第 3 章：回测——偏差清单与防坑手册

全书最重要的一章。Chan 的立场：回测好不代表未来赚钱，但回测有硬伤一定亏钱——先学会不骗自己，再谈预测市场。第 2 版把示例代码全部更新为 Python/R。

数据层的三个坑#

拆分与分红复权：不复权的价格序列会把除权跳空当成暴跌信号——均值回归策略在假跳空上”完美获利”。用复权数据，且弄清是前复权还是后复权；
幸存者偏差：只含现存股票的数据库会系统性高估做多策略——你在用”事后知道谁活下来”的名单选股。低价股、均值回归类策略被高估得最狠；
最高/最低价不可信：日内极值只在极小的成交量上成立，凡是”按当日最低价买入”类规则，实盘几乎必然拿不到回测的成交价。

方法层的两大偏差#

前视偏差（look-ahead bias）#

用了决策时刻还不存在的信息：用当日收盘价决定当日开盘下单、用全样本均值做标准化、用未来才发布的财报数据。特征是回测好得离谱且无法在实盘复现。防法很机械：任何时点的决策只用该时点及以前的数据；程序上让信号计算与持仓收益错开至少一天。

数据窥探偏差（data-snooping bias）#

反复调参直到回测变好，等于让策略把历史噪声背下来。这是最隐蔽的坑，因为每一次”优化”看起来都像认真工作。Chan 的防坑套餐：

样本外测试：数据切成训练/测试两段，测试段只许用一次；
走样测试（walk-forward）：滚动地”用过去拟合、在下一段验证”，模拟真实研究节奏；
敏感性分析：参数微调（5 日改成 4 日、6 日）后绩效崩塌的策略，本质是噪声；
简约原则：Chan 的经验法则是参数个数最好不超过 5 个——每加一个参数，所需样本量成倍增长；
足够的样本量：信号出现次数太少（比如十年只交易 30 次）的回测没有统计意义。

环境层：交易成本与政体转换#

交易成本三件套：佣金、买卖价差（滑点）、市场冲击。高换手策略对成本极度敏感——回测加上真实成本后由盈转亏，是新手策略的头号死因；
政体转换（regime shift）：市场结构的不可逆变化会让历史失效。书中美股的两个例子是 2001 年报价十进制化（吃掉大量做市类利润）与 2008 年卖空禁令；A 股对应的有股权分置改革、涨跌停与 T+1 规则变化、注册制。跨越政体的回测要分段看。

书中示例：GLD-GDX 配对交易#

Chan 用金价 ETF（GLD）与金矿股 ETF（GDX）的价差回归做贯穿示例：两者由同一基本面驱动，价差拉开后做多便宜方、做空昂贵方，等待回归。它浓缩了本章所有要点——需要复权数据、价差用滚动窗口而非全样本标准化（防前视）、参数只有两三个（防窥探）、必须计入双边成本。第 7 章会给它补上协整检验的理论地基。

对应本平台#

量化学堂案例二”策略回测”专门演示了识别回测水分：成本敏感性、调仓周期敏感性都有现成操作路径；
平台引擎在口径上已替你挡住前视偏差：持仓由前一日收盘决定、当日结算收益；
敏感性分析零成本：在因子对比同屏跑 reversal_5 的相邻参数版本即可；
平台使用后复权口径（adj_close = close × hfq_factor），正对本章第一个坑。

本章带走的三句话#

五类坑背下来：复权、幸存者、前视、数据窥探、成本与政体——回测审查就是过这张单子；
参数少、样本外、敏感性稳，三者齐备的回测才有资格谈实盘；
回测的目的不是证明策略能赚钱，而是给它足够多的机会暴露谎言。